正则匹配（简）一揽子解决方案

正则表达式---简

正则在许多语言里边都有出现，php、java、C#、javascript等都有，在各种语言中，正则表达式核心内容都完全一致，不过是每种语言使用正则时语法规则不同而已。

正则表达式的历史

正则表达式的“祖先”可以一直上溯至对人类神经系统如何工作的早期研究。

1956年,一位叫Stephen Kleene的数学家在McCulloch和Pitts早期工作的基础上,发表论文使用了正则表达式。

正则表达式的第一个实用应用程序就是Unix中的qed编辑器

正则表达式作用：

①注册表单域验证

②替换文本内容str_replace()

③提取子字符串(网络爬虫：一个网站去另一个网站偷信息)

声明一个正则表达式

$pat = “/正则内容/”;

1、定界符

上图左右/斜杠代表定界符，除了字母、数字和反斜线\以外的任何字符都可以作为定界符号，比如| |、//、{}、!!、##等等

正则表达式需要使用引号括起来，单双引号都可以，例如：$pat = “/[0-9]/”; 或$pat =‘/[0-9]/’;

2、preg_match()函数

preg_match(正则，目标内容，匹配结果[，下标标志])

正则：设置好的正则表达式

目标内容：被匹配的目标字符串内容

匹配结果：此变量是引用类型，用于接收匹配到的结果，结果是array数组内容(array()空数组表示没有匹配到内容)

下标标志：可选值为PREG_OFFSET_CAPTURE，表示同时返回匹配结果在目标字符串中的下标信息。该参数会更改返回结果数组的维数。

preg_match()函数设置第四个参数的使用(不常用)：

preg_match()函数使用细节：

①该函数进行单次匹配，只把第一个符合正则的内容匹配出来，非全局匹配。

例如使用该函数，使得正则/hello/去匹配字符串“hello-beijing hello-shanghai”,则只给匹配第一个hello。

②从目标字符串的左边开始进行匹配，寻找正则对应的目标内容

③默认情况下，该函数给返回一维数组，数组元素值代表匹配的结果

如果该函数有设置第四个参数，则会返回一个二维数组，额外还会返回匹配结果的下标信息

④该preg_match()函数通过返回1/0的信息表示是否有匹配到内容，1:匹配到0:没有匹配到

3.1 正则内容组成

①普通字符，例如数字、字母、特殊符号等，例如$pat = “/hello/”; 是匹配hello的正则

②定义字符集---[a-e],[aeiou]匹配数字、英文字母的一段 ，段的开始到结尾必须由小到大设置

定义字符集里边都可以设置^符号，表示取非,例：[^a-e] 随意匹配除了a到e连续字符以外的其他一个字符

③特殊字符集

④限制字符集

⑤模式修正符

3.2特别字符集

$            匹配目标字符串的”结尾”位置。

^             “托字符”匹配目标字符串的”开始”位置

( )          标记一个子表达式的”开始”和”结束”位置

*            表示其前面那个单元出现0次或以上任意次数

.             匹配除换行符\n之外的任何单字符,例如.*表示匹配任何内容

+            表示其前面那个单元出现1次或以上任意次数

?             表示其前面那个单元出现0次或1次 要么出现、要么不出现

\             这个符号是用来转义的，去除符号的特殊意思，只保留符号的本质意思

|             指明两项之间只选择一个，或的意思，完整以目标字符串出现的先后顺序去匹配

在设计正则表达式的时候，99%的情况下都需要使用^和$符号

好处：可以使得正则表达式对目标内容进行“完整”匹配(非部分匹配)

完整匹配在某些时候是必须的

^符号在不同场合的使用：

①$pat = “/^hello/”;  //hello需要在目标内容开始出现

②$pat = “/[^0-9]/”;  //匹配非0到9之间数字以外的其他字符内容

()小括号： 标记一个子表达式的”开始”和”结束”位置

()小括号作用：①提高子表达式优先级②可以从大的字符串中拆分小的内容出来

正则表达式又称为正则表达式模式，如果使用()给模式中的某个小的模式进行限制，该()小括号内容就称为模式单元

    $str="2016beijing2018beijing";

    $pat="/beijing/";

    $pipei=preg_match($pat, $str,$out);

    var_dump($pipei);//int(1)

    print_r($out);//Array ( [0] => beijing )

    echo "<hr>";

    preg_match($pat, $str,$out1,PREG_OFFSET_CAPTURE);

    print_r($out1);//Array ( [0] => Array ( [0] => beijing [1] => 4 ) )

3.3组合字符集

\d          表示匹配0到9之间的一个数字 是[0-9]的别名

[1-9] 匹配一个非0数字

[5-9] 匹配5到9之间的一个数字

\w          表示匹配(大小写)字母、数字、下划线其中的一个[a-zA-Z0-9_]

\s            表示空格

       //匹配hello和beijing中间有三个空格

$pat = “/hello   beijing/”;  //可读性不好

$pat = “/hello\s\s\sbeijing/”;  //可读性好

3.4限制字符

{m}       其前一单元严格出现m次

{m,}      其前一单元出现至少m次，至多不限制

{m,n}    其前一单元出现至少m，至多n次，n比m要大

3.5模式修正符

正则完全的设置：$pat = “/正则内容/模式修正符”;

模式修正符：对正则的使用起着扩充、限制、修订的作用。

i             可同时匹配大小写字母

U            匹配到最近的字符串(避免贪婪匹配)

3.6进行全局匹配

preg_match()可以通过正则对目标字符串进行“单次”匹配

preg_match_all(正则，内容，匹配结果)函数

该函数返回二维数组，可以实现对内容的全局匹配，所有与模式符合的内容都给匹配出来

$str="2016beijing[beiji20/18be*iji(ngdugbeijing";

    $pat="/beijing$/";

    $str="<h1>monkey like peach or banana</h1>";

    $pat="/pear|banana/";//int(1) Array ( [0] => banana )

    // $pat="/ban(ana)/";//int(1) Array ( [0] => banana [1] => ana )

    // $pat="!<h1>(.*)</h1>!";

    $pipei=preg_match($pat, $str,$out); //int(1)

    var_dump($out);echo "<hr>";

$str="[e-mail]";

    // $str="15845678091";

    // $pat="/([0-9]+)-([0-9]+)-([0-9]+)/";

    // $pat="/1[358]{2}\d{8}/";//匹配手机号

   $pat="#(^[a-z1-9][a-z0-9\.]{5,})@([a-z0-9]+)(\.[a-z0-9\.]+)$#i";//匹配邮箱

   $pipei=preg_match($pat, $str,$out);

    // echo $out[2],"<br>",$out[3],"<br>";03 01

    echo "<pre>";

    var_dump($pipei);//int(1)

    print_r($out);

    echo "<hr>";

    preg_match($pat, $str,$out,PREG_OFFSET_CAPTURE);

    print_r($out);

array(1) { [0]=> string(6) "banana" }

---

int(1)Array(    [0] => [e-mail]    [1] => re23676    [2] => 21cn    [3] => .com)

---

Array

(

    [0] => Array(  

            [0] => [e-mail]

            [1] => 0            )

    [1] => Array(

            [0] => re23676

            [1] => 0            )

    [2] => Array(

            [0] => 21cn

            [1] => 8            )

    [3] => Array(

            [0] => .com

            [1] => 12          )

)

正则表达式速查表

字符描述\将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。串行“\\”匹配“\”而“\(”则匹配“(”。^匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。$匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。*>=0匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。+>=1匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。?0或1匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。{n}n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。{n,}n是一个非负整数。至少匹配>=n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。{n,m}m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。?当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。.匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使用像“(.|\n)”的模式。(pattern)匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。(?:pattern)匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。(?=pattern)正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。(?!pattern)正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始(?<=pattern)反向肯定预查，与正向肯定预查类拟，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。(?<!pattern)反向否定预查，与正向否定预查类拟，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。x|y匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。[xyz]字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。[^xyz]负值字符集合(非)。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。[a-z]字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。[^a-z]负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。\b匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。\B匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。\cx匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。\d匹配一个数字字符。等价于[0-9]。\D匹配一个非数字字符。等价于[^0-9]。\f匹配一个换页符。等价于\x0c和\cL。\n匹配一个换行符。等价于\x0a和\cJ。\r匹配一个回车符。等价于\x0d和\cM。\s匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。\S匹配任何非空白字符。等价于[^ \f\n\r\t\v]。\t匹配一个制表符。等价于\x09和\cI。\v匹配一个垂直制表符。等价于\x0b和\cK。\w匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。\W匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。\xn匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。.\num匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。\n标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。\nm标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。\nml如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。\un匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。

常用正则表达式

用户名/^[a-z0-9_-]{3,16}$/密码/^[a-z0-9_-]{6,18}$/十六进制值/^#?([a-f0-9]{6}|[a-f0-9]{3})$/电子邮箱/^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/
/^[a-z\d]+(\.[a-z\d]+)*@([\da-z](-[\da-z])?)+(\.{1,2}[a-z]+)+$/URL/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/IP 地址/((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)/
/^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/HTML 标签/^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/删除代码\\注释(?<!http:|\S)//.*$Unicode编码中的汉字范围

/^[\u2E80-\u9FFF]+$/

[\u4e00-\u9fa5]匹配中文字符（utf-8）---匹配1到20个中文字符:/^[\u4e00-\u9fa5]{1,20}$/